Fugu-MT 論文翻訳(概要): From Profiling to Parameterization: Physics-Guided Acoustic Eavesdropping via Smartphone Accelerometers

論文の概要: From Profiling to Parameterization: Physics-Guided Acoustic Eavesdropping via Smartphone Accelerometers

arxiv url: http://arxiv.org/abs/2607.25461v2
Date: Wed, 05 Aug 2026 03:07:14 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-06 17:51:08.543866
Title: From Profiling to Parameterization: Physics-Guided Acoustic Eavesdropping via Smartphone Accelerometers
Title（参考訳）: プロファイリングからパラメータ化へ:スマートフォン加速度計による物理誘導音響盗聴
Authors: Guangyuan Ji, Wenjing Wang, Bingsheng Zhang,
Abstract要約: 本稿では,デバイス間加速度計の盗聴を物理誘導型データ生成問題に変換するデバイス非依存のフレームワークであるLEAKFORGEを提案する。
参考スコア（独自算出の注目度）: 9.974934216967542
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present LEAKFORGE, a device-agnostic framework that converts cross-device accelerometer eavesdropping into a physics-guided data-generation problem. Crucially, device-specific leakage is not arbitrary; its dominant variation lies within a constrained family of audio-to-accelerometer transfer functions. LEAKFORGE samples this family to synthesize large-scale, device-diverse accelerometer traces from ordinary speech, explicitly modeling electromechanical transfer, structural resonances, filtering, and aliasing. An eavesdropping model trained entirely in this synthetic domain can then be applied directly to traces from previously unseen smartphones.
Abstract（参考訳）: 本稿では,デバイス間加速度計の盗聴を物理誘導型データ生成問題に変換するデバイス非依存のフレームワークであるLEAKFORGEを提案する。重要な点として、デバイス固有のリークは任意ではなく、その主な変化はオーディオ・加速度計の伝達関数の制約されたファミリー内にある。 LEAKFORGEはこの家系のサンプルを採取し、通常の音声から大規模で多次元の加速度計のトレースを合成し、電気機械伝達、構造共鳴、フィルタリング、エイリアシングを明示的にモデル化した。この合成ドメインで完全に訓練された盗聴モデルは、これまで見つからなかったスマートフォンの痕跡に直接適用することができる。

関連論文リスト

Learning What's Real: Disentangling Signal and Measurement Artifacts in Multi-Sensor Data, with Applications to Astrophysics [15.546987453025517]
重なり合う観測、二重エンコーダアーキテクチャ、および対実生成目的を利用するディープラーニングフレームワークを提案する。 DESIレガシーイメージングサーベイ(Legacy)とHyper Suprime-Cam(HSC)サーベイ(Hyper Suprime-Cam)サーベイ(Hyper Suprime-Cam)サーベイ(HSC)による天体物理銀河画像へのアプローチの有効性を代表的マルチストラクチャ設定として示す。
論文参考訳（メタデータ） (2026-04-10T18:11:05Z)
Exploring Physical Intelligence Emergence via Omni-Modal Architecture and Physical Data Engine [50.62040226184694]
我々はOmniFysicsについて紹介する。OmniFysicsは、画像、音声、ビデオ、テキスト間の理解を統一するコンパクトなオムニモーダルモデルである。明示的な物理知識を注入するために、2つのコンポーネントからなる物理データエンジンを構築します。実験は、標準マルチモーダルベンチマークにおける競合性能を示し、物理指向評価の結果を改善した。
論文参考訳（メタデータ） (2026-02-05T14:04:51Z)
Vibro-Sense: Robust Vibration-based Impulse Response Localization and Trajectory Tracking for Robotic Hands [0.5500249707065662]
高度な接触認識はロボット操作には不可欠だが、従来の触覚スキンは高価で複雑である。本稿では,ビブロ音響センサを用いた高精度全体タッチ位置決め方式を提案する。
論文参考訳（メタデータ） (2026-01-28T12:49:39Z)
Flexible Gravitational-Wave Parameter Estimation with Transformers [73.44614054040267]
本稿では,予測時間における多様な解析設定への適応を可能にする,フレキシブルトランスフォーマーベースのアーキテクチャをトレーニング戦略と組み合わせて導入する。我々は、Dingo-T1と呼ばれる単一のフレキシブルモデルが、第3のLIGO-Virgo-KAGRA観測ランから48の重力波イベントを解析できることを実証した。
論文参考訳（メタデータ） (2025-12-02T17:49:08Z)
Artificial discovery of lattice models for wave transport [6.329827979180668]
ウェーブトランスポートデバイスは、現代の通信、信号処理、およびセンシング用途に不可欠である。本稿では,これらのデバイスの概念設計を自動化する手法を提案する。我々のアプローチは、より高い次元や非線形相互作用で望ましい性質を持つ格子モデルの人工的な発見のような拡張への扉を開く。
論文参考訳（メタデータ） (2025-08-14T14:36:38Z)
Machine Learning Extreme Acoustic Non-reciprocity in a Linear Waveguide with Multiple Nonlinear Asymmetric Gates [68.8204255655161]
この研究は、2つの局所的非線形非対称ゲートを組み込んだ受動1次元線形導波路による音響的非相互性の研究である。最大透過率は40%に達し、上流から下流までの伝達エネルギーは波動伝播の方向によって最大9桁まで変化する。
論文参考訳（メタデータ） (2023-02-02T17:28:04Z)
Fully Automated End-to-End Fake Audio Detection [57.78459588263812]
本稿では,完全自動エンドツーエンド音声検出手法を提案する。まず、wav2vec事前学習モデルを用いて、音声の高レベル表現を得る。ネットワーク構造には, Light-DARTS という異種アーキテクチャサーチ (DARTS) の修正版を用いる。
論文参考訳（メタデータ） (2022-08-20T06:46:55Z)
Autocorrective interferometers for photonic integrated circuits [0.0]
Blochの球面表現が非常に強力な設計ツールであることを示す。 VTTのマイクロスケールシリコンフォトニクスプラットフォームにおける自動補正設計の実践的実装の最近の進歩を概観する。
論文参考訳（メタデータ） (2022-01-10T17:58:34Z)
Interferobot: aligning an optical interferometer by a reinforcement learning agent [118.43526477102573]
我々は、単眼カメラで取得した縁の画像に基づいて、マッハ・ツェンダー干渉計を整列するようにRLエージェントを訓練する。エージェントは、物理に関する手書きの特徴や事前情報なしで、シミュレーション環境で訓練される。物理測定の不確かさをシミュレートする一連の領域ランダム化により、エージェントはこの干渉計を微調整なしで整列させることに成功した。
論文参考訳（メタデータ） (2020-06-03T13:10:54Z)
VaPar Synth -- A Variational Parametric Model for Audio Synthesis [78.3405844354125]
本稿では,条件付き変分オートエンコーダ(CVAE)を用いた変分パラメトリックシンセサイザVaPar Synthを提案する。提案するモデルの性能は,ピッチを柔軟に制御した楽器音の再構成と生成によって実証する。
論文参考訳（メタデータ） (2020-03-30T16:05:47Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。